Решение многопараметрической задачи нелинейной оптимизации для архитектуры сети ResNet50, дообученной на 36 классах подводных объектов, представляет собой результат нахождения коэффициентов связей между нейронами, в результате которого было достигнуто значение функции потерь, равное 0.0522. Обучение архитектуры ResNet50 осуществлялось с весов, находящихся в открытом доступе. Данные для обучения были размечены самостоятельно, а также агрегированы в интернете автоматически.
Составные части, модули РИД:
1) Набор полученных параметров для конкретной архитектуры, полученный в результате решения многопараметрической задачи нелинейной оптимизации;
2) История обучения со значениями функции потерь на каждой итерации.
Аналоги/конкурентные РИД (укажите сходные или конкурирующие РИД):
Полный аналог разрабатываемой системы отсутствует. Конкурентные решения: веса, полученные на других датасетах с той же архитектурой и подобные им.
Отличия от аналогов/ конкурентные преимущества РИД:
в связи с уникальностью обучающего множества, полученное решение будет значительно лучше решать задачу классификации в конкретной области.
Код (коды) продукции в соответствии с Общероссийским классификатором продукции по видам экономической деятельности:
58.29.21.000
Класс (классы) программного обеспечения, которому (которым) соответствует программное обеспечение: 02.11; 04.13; 04.16